放射组学和基础表征在肾细胞癌分类中的互补作用：2D 和 3D CT 编码的比较研究

通过对比增强计算机断层扫描对肾细胞癌 (RCC) 进行准确的术前亚型分类仍然具有临床挑战性。放射组学提供结构化肿瘤描述符，而基础表示提供可转移的图像特征。然而，目前尚不清楚放射组学是否仍能增加预训练表示之外的价值，以及 2D 和 3D MedVAE 编码器在此设置中如何比较。我们在统一的预处理流程下，在 KiTS23 上比较了手工制作的放射组学、2D MedVAE、3D MedVAE 及其融合对二元透明细胞 RCC 与非透明细胞 RCC 的分类。串联、交叉注意力和门控融合被评估为代表性的整合策略，并分析了放射组学特征的重要性以支持以决策为中心的可解释性。 Fusion 持续改进了对纯图像 MedVAE 分支的区分。 3D 门控融合实现了最佳整体性能，AUC 为 82.7%，优于最佳 2D 融合模型 (79.6%)、放射组学基线 (74.4%) 和单模态 MedVAE 分支。消融分析进一步显示，完全融合模型相对于仅图像和仅放射组学变体的明显增益，表明放射组学和图像表示的互补贡献。这些发现表明，在存在基础表征的情况下，放射组学仍然与 RCC CT 分类相关，并且其与 MedVAE 的集成在 3D 环境中更有效。更广泛地说，该研究支持放射组学和基础表征在具有临床意义的成像决策支持中的互补作用。